SWE-Lancer
OpenAI 用 Upwork 真实外包任务定价衡量代码价值（美元计）
基本信息
30 秒看懂
用 Upwork 真实外包任务给 AI 的代码定价：通过了就“挣到”对应的美元。AI 替代程序员的经济学测量。
评分协议
通过即获得对应任务金额，总分=收入
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布（收录 4 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20
2025
2025-04-16
OpenAI·国际
本发布含 2 个变体，各变体规格见模型详情。
OpenAI 将 o3 定位为其最强推理模型，在编码、数学、科学与视觉感知等领域推进前沿，并支持以图思考（Thinking with images）。该发布已收录评测覆盖数学、编程竞赛、科学推理、软件工程与智能体工具使用等领域，AIME 2025 配 Python 工具 pass@1 98.4%、100% consensus@8。
推理旗舰以图思考智能体工具使用
查看模型变体与证据
OpenAI o3 · IC SWE Diamond $86,100OpenAI o4-mini · IC SWE Diamond $65,792o1 · IC SWE Diamond $43,958o3-mini · IC SWE Diamond $33,833
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。